Android Malware Detection Based on RGB Images and Multi-feature Fusion
Beijing Electronic Science and Technology Institute（北京电子科技学院）
本文提出一种基于RGB图像和多特征融合的Android恶意软件端到端检测方法，通过提取DEX、AndroidManifest.xml和API调用并组合为RGB图像，准确率达97.25%，优于现有方法。
2024-08-29 cs.CR cs.LG
Learning from Context: Exploiting and Interpreting File Path Information for Better Malware Detection
Sophos PLC（Sophos公司）
用于静态可移植可执行（PE）恶意软件检测的机器学习（ML）通常在训练期间采用每文件数字特征向量表示作为具有一个或多个目标标签的输入。但是，可以从文件所在的\textit{context}中收集到许多正交信息。在本文中，我们建议利用静态源的上下文信息-PE文件的路径-作为分类器的辅助输入。虽然文件路径本身不是恶意的或良性的，但它们确实为恶意/良性的确定提供了有价值的上下文。与动态上下文信息不同，文件路径可用的开销很小，并且可以无缝集成到多视图静态ML检测器中，从而以极高的吞吐量和最小的基础设施更改获得更高的检测率。在这里，我们提出了一个多视图神经网络，它采取的PE文件内容以及相应的文件路径作为输入的特征向量，并输出检测分数。为了确保真实的评估，我们使用了一个大约1000万个样本的数据集--来自实际安全供应商网络的用户端点的文件和文件路径。然后，我们通过LIME建模进行可解释性分析，以确保我们的分类器已经学习了合理的表示，并查看文件路径的哪些部分对分类器得分的变化贡献最大。我们发现，我们的模型学习了文件路径的有用方面以进行分类，同时还从测试供应商产品的客户那里学习了工件，例如，通过下载恶意软件样本的目录，每个样本都以其散列命名。我们从我们的测试数据集中修剪这些工件，并证明在$10^{-3}$假阳性率（FPR）和33.1%，在$10^{-4}$ FPR的假阴性率降低32.3%，在一个类似…
2019-05-16 cs.AI cs.CR cs.LG
eXpose: A Character-Level Convolutional Neural Network with Embeddings For Detecting Malicious URLs, File Paths and Registry Keys
Invincea Inc.（Invincea公司）
多年来，安全机器学习研究已经承诺通过自动学习来检测攻击指标，从而满足基于签名的检测的需求。不幸的是，这一愿景尚未实现：事实上，开发和维护当今的安全机器学习系统可能需要与基于签名的检测系统相当的工程资源，部分原因是随着攻击的发展，需要开发和不断调整这些机器学习系统的“功能”。深度学习是机器学习的一个子领域，它有望通过对原始输入信号进行操作并自动化特征设计和提取过程来改变这一点。在本文中，我们提出了eXpose神经网络，它使用我们开发的深度学习方法，将通用的原始短字符串作为输入（安全输入的常见情况，包括潜在恶意URL，文件路径，命名管道，命名互斥体和注册表项等工件），并学习同时提取特征并使用字符级嵌入和卷积神经网络进行分类。除了完全自动化特征设计和提取过程之外，eXpose在我们测试的所有入侵检测问题上都优于基于手动特征提取的基线，与这些基线相比，在0.1%的误报率下，检测率提高了5%-10%。
2017-02-27 cs.CR cs.LG
Would a File by Any Other Name Seem as Malicious?
Booz Allen Hamilton（博思艾伦汉密尔顿公司）；UMBC（马里兰大学巴尔的摩县分校）
恶意软件对信息技术系统的成功攻击可能造成数百万美元的损失，敏感和私人信息的暴露以及数据的不可逆转的破坏。分析文件内容的防病毒系统使用静态分析和动态分析的组合来检测和移除/修复此类恶意软件。然而，检查文件的全部内容在实践中并不总是可能的，因为传入数据的量和速度可能太高，或者对底层文件内容的访问可能受到限制或不可用。如果可以在不查看文件内容的情况下获得文件被恶意的相对可能性的估计，我们可以更好地确定文件处理顺序的优先级，并在文件不可用的情况下帮助分析人员。在这项工作中，我们证明，文件名可以包含信息预测存在的恶意软件的文件。特别是，我们展示了字符级卷积神经网络在使用Endgame的EMBER恶意软件检测基准数据集上的文件名预测恶意软件状态方面的有效性。
2019-10-10 cs.CR cs.LG
Intermittent File Encryption in Ransomware: Measurement, Modeling, and Detection
Texas Tech University（德克萨斯理工大学）
本文研究了勒索软件中间歇性加密对检测技术的影响，提出基于CNN的局部分析方法，证明其在检测效果上的优越性。
2026-08-18 cs.CR
JSLess: A Tale of a Fileless Javascript Memory-Resident Malware
新的计算范例、功能丰富的现代程序设计语言和现成的软件库使得新的复杂恶意软件家族得以发展。这种现象的证据是最近无文件恶意软件攻击的增长。无文件恶意软件或常驻内存的恶意软件是高级易失性威胁（AVT）的一个示例。在无文件恶意软件攻击中，恶意软件将其自身直接写入受感染设备的主存储器（RAM），而不会在受感染设备的文件系统上留下任何痕迹。出于这个原因，无文件恶意软件对传统的恶意软件检测工具，特别是基于签名的检测提出了困难的挑战。此外，使用传统方法几乎不可能进行无文件恶意软件取证和逆向工程。大多数无文件恶意软件攻击都利用了MS PowerShell，但是，无文件恶意软件并不限于MS PowerShell。在本文中，我们设计并实现了一个无文件恶意软件，利用新的功能，在JavaScript和HTML5。拟议的无文件恶意软件可以感染任何支持JavaScript和HTML5的设备。它作为一个概念验证（proof-of-concept，缩写为EEE）来展示Web应用程序中无文件恶意软件的威胁。我们使用建议的无文件恶意软件来评估现有的方法和技术，在Web应用程序中的恶意软件检测。我们用几个免费和商业的恶意软件检测工具测试了所提出的无文件恶意软件，这些工具同时应用静态和动态分析。拟议的无文件恶意软件绕过了我们研究中包含的所有反恶意软件检测工具。在我们的分析中，我们讨论了现有方法/工具的局限性，并提出了可能的…
2019-11-25 cs.CR
Delphi Scanner: efficient and interpretable static malware detection via API sequence modeling
Université Paris Cité（巴黎西岱大学）；Institut Polytechnique de Paris（巴黎理工学院）；Télécom Paris（巴黎电信学院）
Delphi Scanner利用CNN建模API序列并辅以规则层解释，在19万PE文件上达95.35%准确率，模型仅1.53MB，且对分布外样本和对抗攻击具有鲁棒性，为本地恶意软件分流提供高效可解释方案。
2026-09-18 cs.CR cs.LG
Malware Detection Module using Machine Learning Algorithms to Assist in Centralized Security in Enterprise Networks
Sardar Patel Institute of Technology（萨达尔·帕特尔技术学院）；University of Mumbai（孟买大学）
恶意软件在无数计算机用户的世界中非常丰富，他们不断面临来自互联网，本地网络和便携式驱动器等各种来源的威胁。恶意软件的风险可能从低到高，可能导致系统功能不正常，窃取数据甚至崩溃。恶意软件可以是病毒、蠕虫、木马形式的可执行文件或系统库文件，所有这些都旨在破坏系统的安全性并损害用户隐私。通常，防病毒软件基于签名定义系统，该系统从互联网上不断更新，从而跟踪已知的病毒。虽然这对于家庭用户可能足够了，但是来自新病毒的安全风险可能威胁整个企业网。本文提出了一种新的，更复杂的防病毒引擎，不仅可以扫描文件，但也建立知识和检测文件作为潜在的病毒。这是通过提取由各种正常和有害的可执行文件进行的系统API调用，并使用机器学习算法对文件进行分类，从而根据安全风险等级对文件进行排名来完成的。虽然这样的系统处理器很重，但是当集中使用来保护可能更容易受到这种威胁的企业网时，它非常有效。
2012-02-08 cs.CR cs.LG
Differential Area Analysis for Ransomware Attack Detection within Mixed File Datasets
勒索软件的威胁在受影响的受害者人数以及受成功攻击影响的个人和组织所产生的成本方面都在继续增长。在大多数情况下，一旦受害者受到攻击，他们只有两种行动方案：要么支付赎金，要么丢失数据。所有加密勒索软件菌株之间共享的一个共同行为是，在执行过程中的某个时候，它们会尝试加密用户的文件。Penrose et al.（2013）; Zhao et al.（2011）之前的研究强调了使用香农熵区分压缩和加密文件的困难，因为两种文件类型表现出相似的值。本文描述的实验之一显示了加密文件头片段的香农熵的独特特性。这个特性被用来区分加密文件和其他高熵文件，如档案。这一发现在文件分类模型的开发中得到了利用，该模型使用了正在分析的文件的熵曲线与从随机数据生成的熵曲线之间的差异区域。当将被分析的文件的熵曲线值与由包含纯随机数的文件生成的熵曲线值进行比较时，曲线的相关性越大，被分析的文件包含加密数据的置信度就越高。
2021-06-28 cs.CR
ROFBS$α$: Real Time Backup System Decoupled from ML Based Ransomware Detection
ROFBS$α$通过eBPF异步解耦备份与检测，提升勒索软件防御的备份成功率和检测速度，但应对极速加密仍具挑战。
2025-04-19 cs.CR
DEFEAT: Stitching Fragmented File I/O Contexts for Early Ransomware Detection
CSIRO Technology（澳大利亚联邦科学与工业研究组织）；Sungkyunkwan University（成均馆大学）；Hankuk University of Foreign Studies（韩国外国语大学）；Qatar University（卡塔尔大学）
针对勒索软件碎片化文件操作逃避检测的问题，提出DEFEAT框架，通过构建文件事件小工具重建上下文，利用图神经网络聚类，在首个文件加密时实现99.2%准确率的早期检测，并减少94%标注工作量。
2026-10-23 cs.CR
Deceiving End-to-End Deep Learning Malware Detectors using Adversarial Examples
Dept. of Computer Science, Bar-Ilan University（巴伊兰大学计算机科学系）
近年来，深度学习在许多应用中表现出性能突破，如图像检测、图像分割、姿态估计和语音识别。然而，这带来了一个主要问题：深度网络被发现容易受到对抗性示例的影响。对抗性样本是经过轻微修改的输入，故意设计用于引起模型的错误分类。在图像和语音领域，修改是如此之小，以至于人类看不到或听不到，但仍然极大地影响了模型的分类。深度学习模型已成功应用于恶意软件检测。在这个领域中，生成对抗性示例并不简单，因为对文件字节的微小修改可能会导致其功能和有效性发生重大变化。我们引入了一种新的损失函数，用于生成专门针对离散输入集（如可执行字节）的对抗性示例。我们修改恶意的二进制文件，使他们将被检测为良性的，同时保留其原始功能，通过注入一个小的字节序列（有效载荷）的二进制文件。我们将这种方法应用于端到端卷积深度学习恶意软件检测模型，并显示出很高的检测规避率。此外，我们表明，我们生成的有效载荷是足够强大的，可以在同一文件的不同位置和不同的文件，它的熵是低的，类似于良性的数据部分。
2019-01-10 cs.CR cs.LG
Leveraging Interpretable Tsetlin Machine for PDF Malware Detection
Department of ICT, University of Agder, Norway（信息与通信技术系，阿格德大学，挪威）
针对PDF文件易被嵌入恶意代码的问题，提出基于可解释Tsetlin机的框架，通过静态分析提取特征并基于规则学习分类，在RIT - PDFMal - 2026数据集上准确率达98.02%，兼具检测性能、效率与可解释性，是实用的检测方案。
2026-08-06 cs.CR cs.LG
GuardFS: a File System for Integrated Detection and Mitigation of Linux-based Ransomware
针对现有勒索软件检测方法难以落地防护、Linux平台缓解方案多止步于告警的问题，提出基于定制覆盖文件系统的GuardFS，集成检测与三种混淆、延迟、追踪式防御配置，可显著减少数据丢失，且防御效果与资源、可用性影响相关。
2024-01-31 cs.CR
Robust Neural Malware Detection Models for Emulation Sequence Learning
University of California at Santa Cruz（加州大学圣克鲁兹分校）；Microsoft Research（微软研究院）；Microsoft Corp.（微软公司）
恶意软件或恶意软件在计算机安全方面提出了不断发展的挑战。这些以恶意文件形式或隐藏在合法文件中的嵌入式代码片段会对能够运行恶意命令序列的系统造成重大风险。恶意软件作者甚至使用多态性来重新排序这些命令，并创建几个恶意变体。然而，如果在安全环境中执行，则可以对仿真命令序列执行早期恶意软件检测。本文中提出的模型利用通过仿真获得的顺序数据来执行神经恶意软件检测。这些模型通过从这些序列中学习恶意事件操作的存在和共同出现的模式来瞄准恶意操作的核心。我们的模型可以捕获整个事件序列，并直接使用已知的目标标签进行训练。这些端到端学习模型由两种常用的结构提供支持-长短期记忆（LSTM）网络和卷积神经网络（CNN）。以前提出的顺序恶意软件分类模型处理不超过200个事件。攻击者可以通过将任何恶意活动延迟到文件开头之后来逃避检测。我们提出了专门的模型，可以处理非常长的序列，同时成功地执行恶意软件检测，以有效的方式。我们提出了一个实现的卷积分割的长序列的方法，以解决这个漏洞，并操作长序列。我们在一个由634，249个文件序列组成的大型数据集上展示了我们的结果，这些文件序列非常长。
2018-06-28 cs.AI cs.CR cs.LG
A Comprehensive Analysis of Machine Learning Based File Trap Selection Methods to Detect Crypto Ransomware
针对勒索软件快速加密导致的文件损失问题，论文评估多种非参数聚类陷阱选择方法，并提出 APFO，在18种现代勒索软件上实现0.32%文件损失和1.03秒检测延迟。
2024-09-13 cs.CR
EMBER2024 -- A Benchmark Dataset for Holistic Evaluation of Malware Classifiers
Laboratory for Physical Sciences（物理科学实验室）
EMBER2024数据集包含超320万个文件，覆盖六种格式和七类分类任务，并首次引入规避性恶意软件挑战集及特征版本3，用于恶意软件分类器的整体评估。
2025-06-05 cs.CR cs.LG
Crypto-ransomware detection using machine learning models in file-sharing network scenario with encrypted traffic
自过去几年以来，勒索软件被认为是大多数企业的重大威胁。在用户可以访问共享服务器上的所有文件的情况下，一个受感染的主机可以锁定对所有共享文件的访问。我们提出了一种基于文件共享流量分析来检测勒索软件感染的工具。该工具监控客户端和文件服务器之间交换的流量，并使用机器学习技术搜索流量中的模式，这些模式在读取和删除文件时泄露了勒索软件的操作。该提案旨在为明文和加密文件共享协议工作。我们比较了三种机器学习模型，并选择最佳模型进行验证。我们使用来自26种不同病毒株的70多个勒索软件二进制文件和来自真实用户的超过2500小时的未感染流量来训练和测试检测模型。结果表明，该工具可以检测所有勒索软件二进制文件，包括那些没有在训练阶段使用（看不见）。本文通过研究误报率和勒索软件在被检测到之前可以加密的用户文件信息量来验证该算法。
2022-02-15 cs.CR cs.NI
Decentralised firewall for malware detection
Birla Institute of Technology and Science（比尔拉技术与科学学院）
本文介绍了一种新型的恶意软件检测引擎的分布式防火墙系统的设计和开发。防火墙使用区块链技术构建。检测引擎的目的是将可移植可执行文件（PE）分类为恶意或良性。文件分类进行使用深度信念神经网络（DBN）作为检测引擎。我们的方法是将文件建模为灰度图像，并使用DBN将这些图像分类为上述两类。使用10，000个文件的广泛数据集来训练DBN。使用4，000个以前未暴露于网络的文件进行验证。是否允许或阻止文件的最终结果是通过在区块链网络中达成基于工作量证明的共识来获得的。
2017-11-03 cs.AI cs.CR
Detecting malicious PDF using CNN
Tel Aviv University（特拉维夫大学）
恶意PDF文件是计算机安全的最大威胁之一。为了检测它们，已经使用手写签名或基于手动特征提取的机器学习进行了重要的研究。这些方法都很耗时，需要大量的先验知识，并且必须根据每个新发现的漏洞更新功能列表。在这项工作中，我们提出了一种新的算法，该算法使用卷积神经网络（CNN）的字节级的文件，没有任何手工制作的功能。我们表明，使用一个数据集的90000个文件在线下载，我们的方法保持了很高的检测率（94%）的PDF恶意软件，甚至检测到新的恶意文件，仍然未被大多数反病毒软件检测到。使用我们的CNN网络自动生成的特征，并应用聚类算法，我们还获得了反病毒标签和所得聚类之间的高度相似性。
2020-08-02 cs.CR cs.LG
Assessing the Effectiveness of YARA Rules for Signature-Based Malware Detection and Classification
恶意软件通常使用混淆技术或稍微修改以逃避防病毒软件和恶意软件分析工具的签名检测。传统上，为了确定文件是否是恶意的并且识别样本是什么类型的恶意软件，计算文件的加密散列。YARA是一种更新、更灵活的恶意软件检测解决方案，它可以创建规则，根据文件的二进制模式对恶意软件进行识别和分类。在本文中，作者将批判性地评估YARA规则的有效性，基于签名的检测和分类的恶意软件相比，替代方法，其中包括加密和模糊哈希。
2021-11-27 cs.CR
Feature Engineering Using File Layout for Malware Detection
本文提出一种利用二进制内部布局最小知识的特征工程技术，通过结合布局信息与结构熵避免歧义问题，在基于CNN的恶意软件检测器上将准确率和F1分数分别提升3.3%和0.07。
2023-04-05 cs.CR
MimeLens: Position-Agnostic Content-Type Detection for Binary Fragments
II∗
针对现有文件类型分类系统（如Magika）无法处理无头片段、随机磁盘块等非完整文件输入的问题，提出MimeLens，一种基于BERT的小型编码器家族，通过随机偏移采样训练实现位置无关的二进制内容分类，在libmagic标记数据上top-1准确率比Magika v1.1高10.7个百分点，并能从单个UDP数据包或随机磁盘块中分类。
2026-06-02 cs.AI cs.CR cs.LG
Explainable Attention-Based LSTM Framework for Early Detection of AI-Assisted Ransomware via File System Behavioral Analysis
Institute of Management and Information Technology（管理与信息技术学院）；Cisco Systems Inc.（思科系统公司）；Dell Inc.（戴尔公司）；LTM Limited（LTM有限公司）
本文提出一种可解释的注意力机制LSTM框架，通过分析文件系统行为模式，实现对AI辅助勒索软件的早期检测，具有高检测性能和低误报率。
2026-04-19 cs.CR
A Feature Set of Small Size for the PDF Malware Detection
Univ. of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
针对PDF恶意软件检测中特征选择复杂的问题，提出仅含12个特征的小规模特征集，无需深入领域知识，经六种机器学习模型验证，Random Forest达到99.75%准确率，性能与使用大规模特征集的先进方法相当。
2023-08-10 cs.CR cs.LG
Poster: Long PHP webshell files detection based on sliding window attention
Beijing Municipal Public Security Bureau（北京市公安局）
本研究提出一种基于滑动窗口注意力的PHP WebShell检测方法，通过操作码双元组提取和CodeBert与FastText模型结合，有效检测长文件中的恶意行为，达到高准确率。
2025-02-27 cs.AI cs.CR
A Lean Transformer Model for Dynamic Malware Analysis and Detection
Orange Innovation（奥兰治创新公司）；Orange DSEC（奥兰治DSEC公司）
针对签名检测易被绕过的问题，本文提出一种处理 API 调用序列的小型仅编码器 Transformer，在保持良好恶意软件检测效果的同时降低训练推理成本与硬件需求。
2024-08-05 cs.CR cs.LG
Combining AI and AM - Improving Approximate Matching through Transformer Networks
Technical University of Darmstadt（达姆施塔特工业大学）；SEC Consult Unternehmensberatung GmbH（SEC咨询企业顾问有限公司）；University of the Bundeswehr Munich（慕尼黑联邦国防军大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））；Hessian Center for AI (hessian.AI)（黑森人工智能中心（hessian.AI））
针对传统近似匹配算法小片段检测能力弱、扩展性不足的问题，提出基于Transformer的深度学习近似匹配方法DLAM，可省去恶意片段提取步骤，提升片段恢复准确率，还能辅助传统算法检测小片段下的文件关联。
2023-04-27 cs.CR cs.LG
Improving Robustness of Malware Classifiers using Adversarial Strings Generated from Perturbed Latent Representations
Czech Technical University in Prague（布拉格捷克理工大学）
在恶意软件行为分析中，访问和创建的文件列表通常指示所检查的文件是恶意的还是良性的。然而，恶意软件作者试图通过生成随机文件名和/或用新版本的恶意软件修改使用的文件名来避免检测。这些变化代表了现实世界的对抗性例子。这项工作的目标是生成真实的对抗性示例，并提高分类器对这些攻击的鲁棒性。我们的方法以无监督的方式学习输入字符串的潜在表示，并在潜在域中使用基于梯度的对抗攻击方法来生成输入域中的对抗示例。我们使用这些例子来提高分类器的鲁棒性，通过训练生成的对抗性字符串集。与只在扰动的潜在向量上训练的分类器相比，我们的方法产生的分类器明显更鲁棒，而不会在标准精度上有很大的权衡。
2021-10-22 cs.CR cs.LG
Enhanced Consistency Bi-directional GAN(CBiGAN) for Malware Anomaly Detection
本文提出将文件二进制内容转为图像，并用CBiGAN基于重构误差进行恶意软件异常检测，在PE、OLE及214个恶意软件家族样本上取得高AUC和良好泛化性。
2025-06-09 cs.CR
Mal2GCN: A Robust Malware Detection Approach Using Deep Graph Convolutional Networks With Non-Negative Weights
Sharif University of Technology（谢里夫理工大学）
随着使用深度学习（DL）解决各种问题的步伐越来越快，保护这些模型免受攻击已成为研究人员的主要关注点之一。最近的研究表明，基于DL的恶意软件检测器容易受到对抗性示例的攻击。攻击者可以创建精心制作的对抗性示例，以逃避基于DL的恶意软件检测器。在本文中，我们提出了Mal2GCN，一个强大的恶意软件检测模型，使用函数调用图（FCG）表示的可执行文件结合图卷积网络（GCN）来检测Windows恶意软件。由于可执行文件的FCG表示比原始字节序列表示更鲁棒，因此许多提出的对抗性示例生成方法在规避Mal2GCN方面是无效的。此外，我们使用非负训练方法将Mal2GCN转换为单调非减函数，从而在理论上对附加攻击具有鲁棒性。然后，我们提出了一个黑盒源代码为基础的对抗性恶意软件生成方法，可用于评估恶意软件检测模型对现实世界的对手的鲁棒性。所提出的方法将对抗代码注入恶意软件源代码的各个位置，以逃避恶意软件检测模型。实验表明，非负权值的Mal2GCN在检测Windows恶意软件时具有较高的准确率，并且对恶意软件源代码中添加良性特征的对抗攻击具有较强的鲁棒性。
2022-03-12 cs.CR cs.LG
A Novel Malware Detection System Based On Machine Learning and Binary Visualization
恶意软件的持续演变和多样性构成了现代系统中的主要威胁。事实证明，目前可用的安全防御措施无法有效降低网络犯罪分子的技能和想象力，因此需要开发新的解决方案。深度学习算法和人工智能（AI）正在迅速发展，在许多应用领域取得了显著成果。随着人工智能技术的发展和对高效恶意软件检测方法的需求，本文提出了一种基于二进制可视化和自组织增量神经网络的恶意软件检测方法。实验结果表明，该方法对.pdf和.doc文件中的勒索软件的检测准确率分别达到91.7%和94.1%。对于其他格式的恶意代码和其他文件类型，包括二进制文件，所提出的方法表现良好，具有增量检测率，允许实时有效地检测未知恶意软件。
2019-04-01 cs.CR
Malware Classification using Deep Learning based Feature Extraction and Wrapper based Feature Selection Technique
Pakistan Institute of Engineering & Applied Sciences（巴基斯坦工程与应用科学学院）；PIEAS Artificial Intelligence Center（PIEAS人工智能中心）；Centre for Mathematical Sciences, Pakistan Institute of Engineering and Applied Sciences（巴基斯坦工程与应用科学学院数学科学中心）；College of Computer and Information Sciences, King Saud University（沙特国王大学计算机与信息科学学院）
在恶意软件分析的情况下，恶意文件的分类是恶意软件检测后的重要部分。到目前为止，已经报道了许多用于对恶意软件进行分类的静态和动态技术。本研究提出了一种基于深度学习的恶意软件检测（DLMD）技术，该技术基于静态方法对不同的恶意软件家族进行分类。所提出的DLMD技术使用字节和ASM文件进行特征工程，从而对恶意软件家族进行分类。首先，使用两个不同的深度卷积神经网络（CNN）从字节文件中提取特征。在此之后，使用基于包装器的机制，其中支持向量机（SVM）被用作分类器的基本和歧视性的操作码特征被选择。其思想是通过组合不同的特征空间来构建混合特征空间，以克服特定特征空间的缺点，从而减少遗漏恶意软件的机会。最后，混合特征空间用于训练多层感知器，其分类所有九种不同的恶意软件家族。实验结果表明，建议DLMD技术实现了10个独立运行的对数损失为0.09。此外，建议DLMD技术的性能进行比较，对不同的分类器，并显示其有效性分类恶意软件。相关代码和数据库可以在https://github.com/cyberhunters/Malware-Detection-Using-Machine-Learning上找到。
2020-12-26 cs.CR cs.LG
Plug 'n' Pray: Agentic LLM-based Detection of Potential Log File Exposures in Third-Party Content Management System Plugins
Technische Universität Berlin（柏林工业大学）
本文提出基于智能体LLM的框架，自动检测WordPress插件日志文件暴露风险，在300个流行插件上验证，复现79/81个发现，并总结出分类法及开发者最佳实践。
2026-09-16 cs.CR
Optimized Deep Learning Models for Malware Detection under Concept Drift
Orange Innovation（奥兰治创新公司）
本文针对恶意软件检测中的概念漂移问题，提出模型无关协议和 Drift-Resilient Binary Cross-Entropy 损失函数，并在 EMBER 与近期数据集上验证，使恶意软件检测率比基线提升 15.2%。
2024-08-01 cs.AI cs.CR cs.LG
SkillGate: Cost Efficient Runtime Malicious Skill File Detection in Coding Agents
Monash University（蒙纳士大学）；Transurban；The University of Melbourne（墨尔本大学）
研究针对编码代理中恶意技能文件检测问题，提出SkillGate安全网关，采用混合正则表达式预过滤器+大语言模型判断管道，在SkillsBench基准测试中，检测效果好、成本低、运行时开销小，相比现有工具性能显著提升。
2026-07-29 cs.CR cs.SE
SHIELD: A Host-Independent Framework for Ransomware Detection using Deep Filesystem Features
Department of Electrical and Computer Engineering, Tandon School of Engineering, New York University（纽约大学坦顿工程学院电气与计算机工程系）
SHIELD通过深度文件系统特征实现宿主无关的勒索软件检测，利用机器学习在存储控制器中实时检测和缓解威胁。
2026-03-12 cs.CR cs.SY eess.SY
AI ATAC 1: An Evaluation of Prominent Commercial Malware Detectors
本研究作为美国海军资助的AI ATAC首个挑战赛，用含千个零日样本的十万文件评估了8款商用恶意软件检测工具，设计自动化并行实验框架与成本效益模型，为商用检测现状提供洞见与排名方法。
2023-08-28 cs.CR
Stegomalware: A Systematic Survey of MalwareHiding and Detection in Images, Machine LearningModels and Research Challenges
当受害者与感染源交互时，恶意软件通常通过网络钓鱼电子邮件或互联网中的文件附件分发到受害者网络。为了检测和防止受害者机器中的恶意软件分发，现有的终端设备安全应用程序可以利用诸如基于签名或异常的机器学习技术之类的技术。用于Windows的可移植可执行文件（PE）和用于基于Linux的操作系统的可执行和可链接格式（ELF）的众所周知的文件格式被用于恶意软件分析，并且这些文件的恶意软件检测能力已经很好地先进用于实时检测。但是，使用隐写检测隐藏在多媒体中的恶意软件负载一直是企业面临的挑战，因为这些恶意软件很少被看到，并且通常在复杂的攻击中充当舞台。在这篇文章中，据我们所知，我们是第一个试图解决的知识差距，在图像隐写术和隐写分析学术研究的当前进展集中在数据隐藏和stegomalware（恶意软件有效载荷隐藏在图像中）针对企业的网络攻击的审查现状。介绍了隐写恶意软件的历史、生成工具、文件格式规范等。基于我们的研究结果，我们对图像隐写技术进行了详细的回顾，包括最近基于生成对抗网络（GAN）的模型和图像隐写分析方法，包括用于隐藏数据检测的深度学习（DL）模型。此外，隐写恶意软件检测框架的企业提出了基于异常的隐写恶意软件检测强调不同的网络环境的体系结构的细节。最后，指出了隐写恶意软件生成和检测的研究机遇和挑战。
2021-10-06 cs.CR
Anomaly Detection and Automated Labeling for Voter Registration File Changes
VoteShield（投票盾牌）；Protect Democracy（保护民主组织）
美国选举中的选民资格是由各州数据库拼凑而成的，这些数据库包含了哪些公民有资格投票的信息。州和地方一级的管理人员面临着极其困难的任务，即确保其每个管辖区得到适当管理，同时还要监测对数据库的不当修改。监测选民登记文件（VRF）的变化至关重要，因为希望破坏美国民主进程的恶意行为者将被建议操纵这些文件的内容以实现其目标。2020年，我们看到选举官员在管理美国历史上最具争议的选举之一时表现令人钦佩，但仍有许多工作要做，以保护和监控美国人所依赖的选举系统。使用通过比较随时间推移拍摄的VRF快照而创建的数据，我们提出了一套利用机器学习的方法，以减轻分析师和管理员在保护选民名册方面的负担。我们首先评估了多个无监督异常检测方法的有效性，在检测VRF修改建模异常变化稀疏加性噪声。在这种情况下，我们确定，统计模型比较行政区在很短的时间跨度和非负矩阵分解是最有效的浮出水面的异常事件进行审查。这些方法在2019-2020年期间部署在我们组织的监测系统中，并与爱荷华州国务卿办公室合作使用。此外，我们提出了一个新部署的模型，它使用历史和人口统计元数据来标记数据库修改的可能根本原因。我们希望使用这个模型来预测哪些修改具有已知的原因，从而更好地识别潜在的异常修改。
2021-06-16 cs.CR cs.CY cs.LG
A Comparison of Adversarial Learning Techniques for Malware Detection
Czech Technical University in Prague（布拉格捷克技术大学）；Faculty of Information Technology（信息技术学院）；San Jose State University（圣何塞州立大学）
本文针对恶意 Windows PE 文件，比较基于梯度、进化算法和强化学习的对抗样本生成方法，发现 Gym-malware 实用性最强且组合使用逃避率最高。
2023-08-19 cs.CR cs.LG
DeepOrigin: End-to-End Deep Learning for Detection of New Malware Families
在本文中，我们提出了一种新的方法区分已知的从以前看不见的恶意软件家族。我们利用迁移学习，通过学习紧凑的文件表示，用于以前看到的恶意软件家族和新的恶意软件之间的新的分类任务。学习的文件表示由恶意软件的静态和动态特征组成，并且对于不改变其恶意功能的小修改是不变的。使用由数千种恶意文件变体组成的广泛数据集，我们能够在可见和不可见恶意软件家族之间进行分类时达到97.7%的准确率。我们的方法为网络安全研究人员提供了一个重要的聚焦工具，并大大提高了适应当前威胁形势快速发展的整体能力。
2019-11-24 cs.CR
A Natural Language Processing Approach for Instruction Set Architecture Identification
University of Washington（华盛顿大学）；Georgia Institute of Technology（佐治亚理工学院）
软件的二进制分析是网络取证应用中的关键步骤，例如程序漏洞评估和恶意软件检测。这涉及解释由软件执行的指令，并且通常需要将软件的二进制文件数据转换为汇编语言。转换过程需要有关二进制文件的目标指令集体系结构（ISA）的信息。但是，由于编译错误、部分下载或文件元数据的对抗性损坏，ISA信息可能不包含在二进制文件中。机器学习（ML）是一种很有前途的方法，可以使用二进制文件的目标代码部分中的二进制数据来识别目标ISA。在本文中，我们提出了一个二进制代码特征提取模型，以提高基于ML的ISA识别方法的准确性和可扩展性。我们的特征提取模型可以在没有关于ISA的领域知识的情况下使用。具体来说，我们适应模型从自然语言处理（NLP），以i）识别连续的字节模式，通常观察到的二进制代码，ii）估计每个字节模式的重要性，一个二进制文件，和iii）估计每个字节模式的相关性，以区分ISA。我们引入编码二进制文件的字符级功能，以识别每个ISA固有的细粒度位模式。我们使用的数据集与二进制文件从12个不同的ISA来评估我们的方法。经验评估表明，使用我们的字节级功能在ML为基础的ISA识别结果在8%的准确率比国家的最先进的功能的基础上字节直方图和字节模式签名。我们观察到，字符级特征允许将特征集的大小减少多达16倍，同时保持97%以上的准确率。
2022-04-13 cs.CR cs.LG
Evaluating the Robustness of a Production Malware Detection System to Transferable Adversarial Attacks
Google Deepmind（谷歌DeepMind）；Google（谷歌）
本文以Gmail依赖Magika模型的恶意软件检测流水线为案例，研究发现仅修改13字节即可90%绕过检测，同时提出防御方案使高资源攻击者需改50字节才达20%成功率，且该方案已上线生产环境。
2025-10-02 cs.CR cs.LG
Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification
勒索软件是一类恶意软件，利用加密对系统可用性实施攻击。目标的数据仍然是加密的，并由攻击者控制，直到满足赎金要求。许多加密勒索软件检测技术使用的常见方法是监视文件系统活动并尝试识别写入磁盘的加密文件，通常使用文件的熵作为加密指示符。然而，通常在这些技术的描述中，很少或没有讨论为什么选择特定的熵计算技术，或者给出为什么选择一种技术而不是替代技术的任何理由。熵计算的香农方法是加密勒索软件检测技术中文件加密识别最常用的技术。总的来说，正确加密的数据应该与随机数据无法区分，因此除了标准的数学熵计算（如卡方、香农熵和串行相关性）之外，用于验证伪随机数生成器输出的测试套件也适用于执行此分析。假设不同熵方法之间存在根本差异，并且最佳方法可用于更好地检测勒索软件加密文件。本文比较了53种不同测试在区分加密数据和其他文件类型方面的准确性。测试分为两个阶段，第一阶段用于识别潜在的候选测试，第二阶段对这些候选测试进行全面评估。为了确保测试足够稳健，使用NapierOne数据集。该数据集包含数千个最常用文件类型的示例，以及已被加密勒索软件加密的文件示例。
2022-10-24 cs.CR
Towards usable automated detection of CPU architecture and endianness for arbitrary binary files and object code sequences
静态和动态二进制分析技术被积极地用于逆向工程软件的行为和检测其漏洞，即使只有二进制代码可用于分析。为了避免由于误读错误CPU架构的操作码而导致的分析错误，这些分析工具必须精确地识别分析中的目标代码的指令集架构（ISA）。现代安全和逆向工程工具必须支持的CPU架构的种类不断增加，这是由于物联网设备的大量扩散以及针对这些设备的固件和恶意软件的多样性。最近的研究得出结论，错误地识别二进制代码的ISA仅导致约10%的物联网固件分析失败。检测任意目标代码的ISA的最新方法看起来很有前途-它们的结果证明了有效性和高性能。然而，它们缺乏公开可用的数据集和工具集的支持，这使得这些技术、数据集和机器学习模型的评估、比较和改进非常具有挑战性（如果不是不可能的话）。本文弥补了在自动化和精确识别二进制文件和目标代码的体系结构和字节序领域的多个空白。我们从头开始开发这个研究领域所缺乏的工具集和数据集。因此，我们贡献了一个全面的开放数据，开源和开放API Web服务的集合。我们还尝试实验重建和交叉验证的有效性，效率和结果的最先进的方法。当训练和测试分类器使用单独的代码段从可执行的二进制文件，我们所有的分类器同样表现良好，达到98%以上的准确率。结果与当前最新技术水平一致且具有可比性，因此支持算法的普遍有效性
2019-08-15 cs.CR
Minerva: A File-Based Ransomware Detector
Sapienza University of Rome（罗马萨皮恩扎大学）；University of Calgary（卡尔加里大学）
本文提出Minerva，一种基于文件且通过设计抵御规避攻击的鲁棒勒索软件检测方法，能准确识别未知威胁并抵御规避攻击，且99%以上在0.52秒内检出。
2025-07-11 cs.CR cs.CY cs.LG
Use of Multi-CNNs for Section Analysis in Static Malware Detection
Orange Innovation（Orange创新中心）
针对恶意软件检测仅关注检测率而忽视结果可解释性的问题，提出将PE文件分割成节并转换为图像，用多CNN分别处理各节，再综合分数以评估每节重要性，提升分析能力。
2024-02-06 cs.AI cs.CR
Padding Matters -- Exploring Function Detection in PE Files
针对Windows/PE二进制文件函数检测被忽视的问题，本文提出FuncPEal数据集，评估8种检测工具，揭示随机填充对检测效果的影响，并改进RNN与XDA工具使F1分数提升约10%。
2025-04-30 cs.CR
Detection and Analysis of Drive-by Downloads and Malicious Websites
下载驱动是指在用户不知情的情况下进行的下载。它通常会触发浏览器中的漏洞，以下载未知文件。下载文件中的恶意程序会自行安装在受害者的计算机上。此外，下载的文件可以被伪装成安装程序，进一步安装恶意软件。下载驱动是互联网上恶意活动呈指数级增长的一个很好的例子，它如何影响网络的日常使用。在本文中，我们试图解决的问题所造成的驱动下载从不同的立场。我们深入了解处理驱动下载的困难，并提出适当的解决方案。我们提出了机器学习和特征选择解决方案，以弥补驱动下载问题。实验结果报告了98.2%的精度，98.2%的F-Measure和97.2%的ROC面积。
2020-04-09 cs.CR
Dynamic Malware Classification of Windows PE Files using CNNs and Greyscale Images Derived from Runtime API Call Argument Conversion
NIT Rourkela（鲁尔克拉国家理工学院）
本文提出一种动态恶意软件分类框架，通过提取Windows PE文件运行时的API调用参数并转换为时间模式，再利用magma色图生成灰度图像训练CNN模型，实现98.36%的平均准确率并对典型逃避策略具有显著韧性。
2025-05-30 cs.AI cs.CR cs.LG
Transferable Cost-Aware Security Policy Implementation for Malware Detection Using Deep Reinforcement Learning
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
恶意软件检测是所有组织看门人始终面临的挑战，他们必须保持高检测率，同时最大限度地减少对组织工作流程的中断。为了提高检测率，组织通常部署检测器的集合。虽然有效，但这种方法在计算上是昂贵的，因为每个文件-即使是明确的情况-需要由所有检测器分析。此外，随着要处理的文件数量的不断增加，使用集合可能导致不可接受的处理时间和成本（例如，云资源）。在这项研究中，我们提出了SPIREL，一种基于强化学习的方法，用于具有成本效益的恶意软件检测。我们的方法使组织能够直接将成本与正确/不正确的分类、计算资源和运行时间相关联，然后动态地建立安全策略。然后实施此安全策略，并为每个检查的文件分配不同的检测器集，并设置不同的检测阈值。我们对两个恶意软件域-便携式可执行文件（PE）和Android应用程序包（APK）文件-的评估表明，SPIREL既准确又非常节省资源：所提出的方法要么优于最佳性能基线，同时实现效率的适度提高，要么将所需的运行时间减少约80%，同时将准确性和F1分数仅降低0.5%。我们还表明，我们的方法在不同的数据集之间具有高度的可转移性，并且能够适应单个检测器性能的变化。
2020-05-20 cs.AI cs.CR
Improving Malware Detection Accuracy by Extracting Icon Information
现在通常使用统计和机器学习模型来检测PE恶意软件文件。虽然这些模型通常使用从PE文件结构中提取的特征，但我们建议这些文件中的图标也可以帮助更好地预测恶意软件。我们提出了一个创新的机器学习方法来提取信息的图标。我们提出的方法包括两个步骤：1）使用摘要静态，梯度直方图（HOG）和卷积自动编码器提取图标特征，2）基于提取的图标特征聚类图标。使用公开的数据和使用机器学习实验，我们表明我们提出的图标集群显着提高恶意软件预测模型的功效。特别是，我们的实验表明，当在预测模型中使用图标集群时，平均准确率提高了10%。
2017-12-10 cs.CR stat.ML
CASHEWS: Source Preprocessor for LLM-based Malicious Package Detection
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Socket Inc.（Socket公司）
CASHEWS是一个JavaScript预处理器，通过去混淆、提取模块和计算反向切片来精简代码，提高LLM恶意包检测覆盖率并降低假阴性率，使大规模分析更实用。
2026-09-17 cs.CR
